0

我有一个餐馆数据集，变量“CONAME”包含每个机构的名称。不幸的是，有很多拼写错误，我想更正它们。我已经使用以下代码尝试了 agrep 进行模糊集匹配（我将对所有主要链重复此代码）：

rest2012$CONAME <- agrep("MC DONALD'S", rest2012$CONAME, ignore.case = FALSE, value = FALSE, max.distance = 3)

我收到以下错误消息： Error in $<-.data.frame( *tmp*, "CONAME", value = c(35L, 40L, 48L, : replacement has 3074 rows, data has 67424

有没有另一种方法可以替换拼写错误的名称，或者我只是使用错误的 agrep 函数？

4

1 回答 1

1

当您agrep与value = FALSE结果一起使用时，“一个向量给出了产生匹配的元素的索引”。也就是说，匹配在您输入的名称向量中的位置agrep。然后，您尝试用较短的索引向量（其中 3074 行）替换数据框中的整个name变量（67424 行）。不是你想要的。这是一个小例子，也许可以指导您朝着正确的方向前进。你也可以阅读和这个。本身的细节（例如），我留给你。?Extractagrepmax.distance

# create a data frame with some MC DONALD's-ish names, and some other names.
rest2012 <- data.frame(CONAME = c("MC DONALD'S", "MCC DONALD'S", "SPSS Café", "GLM RONALDO'S", "MCMCglmm"))
rest2012

# do some fuzzy matching with 'agrep'
# store the indices in an object named 'idx'
idx <- agrep(pattern = "MC DONALD'S", x = rest2012$CONAME, ignore.case = FALSE, value = FALSE, max.distance = 3)
idx

# just look at the rows in the data frame that matched
# indexing with a numeric vector 
rest2012[idx, ]

# replace the elements that matches 
rest2012[idx, ] <- "MC DONALD'S"
rest2012
于 2013-10-10T19:12:24.573 回答